文献

J-GLOBAL ID：201902275872149296   整理番号：19A2492931

SRCNNを用いた超解像拡散テンソル画像化:実現可能性研究【JST・京大機械翻訳】

Super-Resolution Diffusion Tensor Imaging using SRCNN: A Feasibility Study^*

著者 (2件)： Elsaid Nahla M. H. (Department of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, USA) ,  Wu Yu-Chien (Department of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： EMBC  ページ： 2830-2834  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： サブミリメータ等方性ボクセルによる高分解能拡散イメージングは,通常臨床的に実用的でない長い走査時間を必要とする。これらの長い走査においてさえ,画像品質は,エコー平面画像列における長いエコー間隔により,低い信号対雑音比(SNR)と厳しい幾何学的歪を受けることができる。本研究では,サブミリメータ超解像拡散強調(DW)画像を達成するために,最先端の深い学習法,超解像畳込みニューラルネットワーク(SRCNN)を用いることの有効性を提案し,検証した。2Dベースの深い学習法を,数値シミュレーションを用いて,3人の健康なボランティアの実際の人間データを用いて関心領域(ROI)を研究することによって,地面の真理と比較することによって検証した。さらに,異なる実生活SNR条件下で提案した方法を調べた。結果は,提案した深い学習法が,高分解能拡散イメージングを用いて検出できる解剖学において十分な詳細を再現できることを示した。ベースラインSNRが20より大きいとき,拡散テンソル画像(DTI)誘導計量における百分率誤差は8%未満であった。ROIの結果は,提案した方法が,実際の人間データの整合した高分解能拡散計量に対して,拡散計量の同等の値を生成することを実証した。特に,被験者の分布パターンは,提案した方法と全脳灰白質および白質ROIsにわたる実際のデータとの間で類似していた。0.625mm拡散方向画像の深く学習されたサブミリメータ分解能は,特に皮質灰白質において高い画質を示した。著者らは,DTIにおけるSRCNNに基づく深い学習アルゴリズムを使用する実現可能性を実証した。このアプローチは,真のサブミリメータ拡散MRIを得るとき,ロバストな代替法となり得る。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 二次元 ,  ボランティア ,  白質 ,  等方性 ,  高分解能 ,  有効性 ,  ボクセル ,  SN比 ,  *画像 ,  *超解像 ,  皮質 ,  ロバスト性 ,  学習 ,  被験者
準シソーラス用語： *拡散テンソル画像 , 【Automatic Indexing@JST】

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 超解像 ,  拡散テンソル画像 ,  実現可能性 ,  研究